論文の概要: Differentiable Topology-Preserved Distance Transform for Pulmonary
Airway Segmentation
- arxiv url: http://arxiv.org/abs/2209.08355v5
- Date: Tue, 14 Nov 2023 02:43:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 19:40:00.174782
- Title: Differentiable Topology-Preserved Distance Transform for Pulmonary
Airway Segmentation
- Title(参考訳): 肺気道セグメンテーションのための微分可能位相保存距離変換
- Authors: Minghui Zhang, Guang-Zhong Yang, Yun Gu
- Abstract要約: 気道セグメンテーションの性能を向上させるために, 位相保存距離変換(DTPDT)フレームワークを提案する。
The Topology-Preserved Surrogate (TPS) learning strategy was first proposed to balance the training progress within-class distribution。
The Convolutional Distance Transform (CDT) is designed to identify the breakage phenomenon with superior sensitivity and minimize the variation of the distance map between the prediction and ground-truth。
- 参考スコア(独自算出の注目度): 34.22415353209505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detailed pulmonary airway segmentation is a clinically important task for
endobronchial intervention and treatment of peripheral located lung cancer
lesions. Convolutional Neural Networks (CNNs) are promising tools for medical
image analysis but have been performing poorly for cases when existing a
significant imbalanced feature distribution, which is true for the airway data
as the trachea and principal bronchi dominate most of the voxels whereas the
lobar bronchi and distal segmental bronchi occupy a small proportion. In this
paper, we propose a Differentiable Topology-Preserved Distance Transform
(DTPDT) framework to improve the performance of airway segmentation. A
Topology-Preserved Surrogate (TPS) learning strategy is first proposed to
balance the training progress within-class distribution. Furthermore, a
Convolutional Distance Transform (CDT) is designed to identify the breakage
phenomenon with superior sensitivity and minimize the variation of the distance
map between the predictionand ground-truth. The proposed method is validated
with the publically available reference airway segmentation datasets. The
detected rate of branch and length on public EXACT'09 and BAS datasets are
82.1%/79.6% and 96.5%/91.5% respectively, demonstrating the reliability and
efficiency of the method in terms of improving the topology completeness of the
segmentation performance while maintaining the overall topology accuracy.
- Abstract(参考訳): 肺気道の詳細な分画は気管支内治療および周辺部肺癌病変の治療において臨床的に重要な課題である。
畳み込みニューラルネットワーク(CNN)は医用画像解析のための有望なツールであるが,気道データや主気管支がボクセルの大部分を占めているのに対して,気道データに当てはまる重要な不均衡な特徴分布が存在する場合,ローバーブロンチと遠位分節気管支はわずかに占める。
本稿では,気道セグメンテーションの性能向上を目的とした,微分位相保存距離変換(DTPDT)フレームワークを提案する。
クラス内分布のトレーニング進捗のバランスをとるため,まず,トポロジー保存サーロゲート(tps)学習戦略を提案する。
さらに、畳み込み距離変換(CDT)は、破壊現象を感度良く識別し、予測と接地間の距離マップのばらつきを最小限に抑えるように設計されている。
提案手法は,パブリックに利用可能なリファレンスエアウェイセグメンテーションデータセットで検証される。
パブリックEXACT'09とBASデータセットの分岐速度と長さは、それぞれ82.1%/79.6%と96.5%/91.5%であり、全体的なトポロジ的精度を維持しながら、セグメンテーション性能の位相的完全性を改善することの信頼性と効率を実証している。
関連論文リスト
- Shape-aware synthesis of pathological lung CT scans using CycleGAN for enhanced semi-supervised lung segmentation [0.0]
本稿では,画像-画像間翻訳におけるCycleGANの使用を強調した。
既存の真実と一致する偽の病理画像を生成することができる拡張方法を提供する。
本研究の予備的な結果は, 質的, 定量的に有意な改善を示すものである。
論文 参考訳(メタデータ) (2024-05-14T12:45:49Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳(メタデータ) (2023-09-03T07:55:46Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳(メタデータ) (2022-12-01T07:32:56Z) - Adversarial Transformer for Repairing Human Airway Segmentation [7.176060570019899]
本稿では,従来のCT画像とともに事前分割を行い,気道構造の精細化マスクを出力するパッチスケール対向型精細化ネットワークを提案する。
その結果, 7つの測定値から定量的に評価し, 検出された長さ比と検出された枝比の15%以上を達成できた。
論文 参考訳(メタデータ) (2022-10-21T15:20:08Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - BronchusNet: Region and Structure Prior Embedded Representation Learning
for Bronchus Segmentation and Classification [53.53758990624962]
そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。
気管支分画のための適応型ハード領域対応UNetを提案する。
気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
論文 参考訳(メタデータ) (2022-05-14T02:32:33Z) - MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated
Learning [92.91544082745196]
フェデレートラーニング(FL)は医用画像解析に広く用いられている。
FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。
2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
論文 参考訳(メタデータ) (2022-05-03T14:06:03Z) - LTSP: Long-Term Slice Propagation for Accurate Airway Segmentation [19.40457329997144]
気管支鏡下手術は、肺疾患に対する広く用いられている臨床技術である。
気道マップは胸部CTスキャンから自動的に抽出できる。
気道の複雑な木のような構造のため、そのトポロジーの完全性を維持することは難しい課題である。
論文 参考訳(メタデータ) (2022-02-13T08:47:01Z) - Development of a Multi-Task Learning V-Net for Pulmonary Lobar
Segmentation on Computed Tomography and Application to Diseased Lungs [0.19573380763700707]
疾患のある肺領域は、しばしばCT画像に高密度ゾーンを生成し、損傷した葉を特定するアルゴリズムの実行を制限する。
この影響は、肺葉を分節する機械学習手法の改善を動機づけた。
このアプローチは、放射線科医のロバストなツールとして臨床現場で容易に採用することができる。
論文 参考訳(メタデータ) (2021-05-11T17:10:25Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。